如何解决Databricks中libpostal Python封装的安装失败问题？

1. 先安装底层libpostal依赖库 #

Python的postal包依赖原生的libpostal C库，直接pip安装会因为缺少编译依赖失败，必须先在集群节点上安装系统级依赖：

针对Databricks Runtime（Ubuntu基础）的安装命令 #

在Databricks笔记本中执行以下单元格（用%sh魔法命令）：

# 更新系统包列表
sudo apt-get update -y
# 安装编译依赖工具
sudo apt-get install -y curl autoconf automake libtool pkg-config
# 克隆并编译安装libpostal
git clone https://github.com/openvenues/libpostal
cd libpostal
./bootstrap.sh
./configure --datadir=/tmp/libpostal_data
make -j4
sudo make install
sudo ldconfig

2. 安装Python的postal封装包 #

依赖安装完成后，执行pip安装命令：

%pip install postal

3. 验证安装是否成功 #

运行以下代码测试功能：

from postal.expand import expand_address
from postal.parser import parse_address

# 测试地址扩展与解析
print(expand_address("123 Main St, Anytown USA"))
print(parse_address("123 Main St, Anytown USA"))

额外注意事项 #

• 如果需要集群范围持久化安装，把上述依赖安装步骤写入集群初始化脚本（去掉%sh前缀），在集群配置的「Advanced Options」->「Init Scripts」中添加，避免每次重启集群重复操作。
• 编译libpostal需要一定资源，建议使用至少2核的实例类型，编译过程大概需要几分钟。
• 大部分Databricks Runtime默认支持sudo命令，若遇到权限问题，可联系管理员确认集群权限配置。

内容的提问来源于stack exchange，提问作者soiryk139